Rollup v4.40.0 版本发布:优化Tree-Shaking与动态导入处理
Rollup 是一个现代化的 JavaScript 模块打包工具,它通过静态分析将小块代码编译成大块复杂的代码,特别适合用于库和应用的打包。Rollup 最著名的特性是其高效的 Tree-Shaking 功能,能够自动删除未使用的代码,生成更小、更高效的打包结果。
核心特性优化
更智能的eval警告机制
在本次更新中,Rollup 改进了对 eval 和命名空间调用的警告机制。现在,这些警告只会在首次渲染时显示,并且只有当相关调用没有被 Tree-Shaking 移除时才会触发。这一改进使得开发者能够更清晰地识别真正需要关注的潜在问题,减少了不必要的警告干扰。
动态导入成员Tree-Shaking增强
Rollup 4.40.0 增强了对动态导入的处理能力。当动态导入的处理程序只是简单地映射到一个具名导出时,工具现在能够更智能地识别并移除未被使用的成员。这一优化特别适用于那些使用动态导入作为代码分割点的现代前端应用,能够进一步减小打包体积。
重要问题修复
动态导入与顶层await的交互处理
本次更新修复了在顶层await(TLA)的动态导入表达式中嵌套动态导入时的处理问题。现在,Rollup 能够正确识别这些嵌套导入同样需要被await处理,确保了代码执行的正确顺序。这一修复对于依赖复杂异步加载逻辑的应用尤为重要。
禁用Tree-Shaking时的命名空间导入问题
当开发者显式禁用Tree-Shaking功能时,之前的版本在处理解构命名空间导入时会出现问题。v4.40.0修复了这一问题,确保在这些情况下命名空间导入能够被正确渲染,为需要保留所有代码的特殊场景提供了更好的支持。
多重转换钩子过滤器的逻辑修正
对于使用多个转换钩子过滤器的场景,Rollup现在修正了其处理逻辑。更新后,只有当所有指定的过滤器条件都满足时,转换钩子才会被触发,这一改变使得过滤器的行为更加符合开发者的预期。
技术实现细节
在底层实现上,这些改进主要涉及Rollup的AST分析和代码生成逻辑的优化。特别是对于动态导入的处理,Rollup现在能够更深入地分析导入后的使用模式,从而做出更精确的Tree-Shaking决策。同时,警告系统的改进也体现了Rollup团队对开发者体验的持续关注。
这些变化使得Rollup在保持其核心优势——高效Tree-Shaking的同时,进一步提升了处理复杂现代JavaScript模式的能力,为开发者提供了更强大、更可靠的打包工具。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00